AI导哈

模型上下文协议服务器

一个基础的模型上下文协议（MCP）服务器实现，展示包括工具和资源在内的核心功能，适用于AI开发者、机器学习工程师和数据科学家。

  • by Pramjeetk
  • Python
  • 本地部署
  • 更新于
在 GitHub 查看 Pramjeetk/Weather-AI-Agent-MCP

使用说明

MCP服务器基础示例

这是一个模型上下文协议（MCP）服务器实现的基本示例，展示了包括工具和资源在内的核心功能。

设置步骤

  1. 初始化项目（进入任意本地文件夹并启动 PowerShell 或 cmd）：
uv init mcp-server-basic
cd mcp-server-basic

  1. 创建虚拟环境并激活它

  uv venv
  .venv\Scripts\activate
  1. 安装依赖项：
uv add "mcp[cli]"

或者

uv add -r requirements.txt

特点/功能

服务器实现了以下功能：

工具

  • add(a: int, b: int)加两个数
  • subtract(a: int, b: int)从第一个数中减去第二个数

资源

  • greeting://{name}返回一条个性化的问候语

运行服务器

要使用 MCP Inspector 运行服务器进行开发：

uv run mcp dev main.py

要使服务器正常运行：

uv run mcp run

在Claude桌面应用程序中安装服务器：

uv run mcp install main.py

在VS Code中连接MCP

  • 在 VS Code 中打开文件夹/mcp-server-basic
  • 打开终端并运行以下命令：
uv run main.py
  • 按 Ctrl+Shift+I 在 Visual Studio Code 中启动聊天
  • 使用GitHub登录并进行设置
  • 按照以下步骤操作（两种方法为VS Code用户设置添加MCP配置）：

项目结构

  • main.py主要服务器实现及其工具和资源
  • pyproject.toml项目配置和依赖项

本课程专为人工智能开发者、机器学习工程师、数据科学家和软件工程师设计，旨在帮助他们掌握智能体AI、多智能体系统以及AI驱动的自动化方面的专业知识。无论你是AI智能体的新手，还是在自然语言处理（NLP）和生成式AI（GenAI）方面有经验，本课程都将为你提供开发、部署和大规模管理AI智能体所需的知识和实践技能。课程结束时，你将对智能体AI框架、多智能体协作、现实世界的自动化以及端到端的AI部署有扎实的理解，并通过实际项目积累实践经验。

相关 MCP